Workspace Klas
Definieert een Azure Machine Learning-resource voor het beheren van training en implementatieartefacten.
Een werkruimte is een fundamentele resource voor machine learning in Azure Machine Learning. U gebruikt een werkruimte om machine learning-modellen te experimenteren, te trainen en te implementeren. Elke werkruimte is gekoppeld aan een Azure-abonnement en resourcegroep en heeft een bijbehorende SKU.
Zie voor meer informatie over werkruimten:
Klassewerkruimteconstructor voor het laden van een bestaande Azure Machine Learning-werkruimte.
- Overname
-
builtins.objectWorkspace
Constructor
Workspace(subscription_id, resource_group, workspace_name, auth=None, _location=None, _disable_service_check=False, _workspace_id=None, sku='basic', tags=None, _cloud='AzureCloud')
Parameters
Name | Description |
---|---|
subscription_id
Vereist
|
De Azure-abonnements-id die de werkruimte bevat. |
resource_group
Vereist
|
De resourcegroep die de werkruimte bevat. |
workspace_name
Vereist
|
De naam van de bestaande werkruimte. |
auth
|
Het verificatieobject. Zie voor meer informatie https://aka.ms/aml-notebook-auth. Indien Geen, worden de standaard Azure CLI-referenties gebruikt of wordt door de API om referenties gevraagd. Default value: None
|
_location
|
Alleen intern gebruik. Default value: None
|
_disable_service_check
|
Alleen intern gebruik. Default value: False
|
_workspace_id
|
Alleen intern gebruik. Default value: None
|
sku
|
De parameter is aanwezig voor achterwaartse compatibiliteit en wordt genegeerd. Default value: basic
|
_cloud
|
Alleen intern gebruik. Default value: AzureCloud
|
subscription_id
Vereist
|
De Azure-abonnements-id die de werkruimte bevat. |
resource_group
Vereist
|
De resourcegroep die de werkruimte bevat. |
workspace_name
Vereist
|
De naam van de werkruimte. De naam moet tussen 2 en 32 tekens lang zijn. Het eerste teken van de naam moet alfanumeriek (letter of cijfer) zijn, maar de rest van de naam kan alfanumerieke tekens, afbreekstreepjes en onderstrepingstekens bevatten. Witruimte is niet toegestaan. |
auth
Vereist
|
Het verificatieobject. Zie voor meer informatie https://aka.ms/aml-notebook-auth. Indien Geen, worden de standaard Azure CLI-referenties gebruikt of wordt door de API om referenties gevraagd. |
_location
Vereist
|
Alleen intern gebruik. |
_disable_service_check
Vereist
|
Alleen intern gebruik. |
_workspace_id
Vereist
|
Alleen intern gebruik. |
sku
Vereist
|
De parameter is aanwezig voor achterwaartse compatibiliteit en wordt genegeerd. |
tags
|
Tags die aan de werkruimte moeten worden gekoppeld. Default value: None
|
_cloud
Vereist
|
Alleen intern gebruik. |
Opmerkingen
In het volgende voorbeeld ziet u hoe u een werkruimte maakt.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2'
)
Stel in create_resource_group
op Onwaar als u een bestaande Azure-resourcegroep hebt die u wilt gebruiken voor de werkruimte.
Als u dezelfde werkruimte in meerdere omgevingen wilt gebruiken, maakt u een JSON-configuratiebestand. Het configuratiebestand slaat uw abonnement, resource en werkruimtenaam op, zodat deze eenvoudig kan worden geladen. Gebruik de write_config methode om de configuratie op te slaan.
ws.write_config(path="./file-path", file_name="ws_config.json")
Zie Een werkruimteconfiguratiebestand maken voor een voorbeeld van het configuratiebestand.
Gebruik from_config de methode om de werkruimte uit het configuratiebestand te laden.
ws = Workspace.from_config()
ws.get_details()
U kunt ook de get methode gebruiken om een bestaande werkruimte te laden zonder configuratiebestanden te gebruiken.
ws = Workspace.get(name="myworkspace",
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup')
In de bovenstaande voorbeelden wordt u mogelijk om Azure-verificatiereferenties gevraagd via een interactief aanmeldingsdialoogvenster. Zie Verificatie in Azure Machine Learning voor andere use cases, waaronder het gebruik van de Azure CLI voor verificatie en verificatie in geautomatiseerde werkstromen.
Methoden
add_private_endpoint |
Voeg een privé-eindpunt toe aan de werkruimte. |
create |
Maak een nieuwe Azure Machine Learning-werkruimte. Genereert een uitzondering als de werkruimte al bestaat of als niet aan een van de vereisten voor de werkruimte wordt voldaan. |
delete |
Verwijder de gekoppelde resources van de Azure Machine Learning-werkruimte. |
delete_connection |
Een verbinding van de werkruimte verwijderen. |
delete_private_endpoint_connection |
Verwijder de privé-eindpuntverbinding met de werkruimte. |
diagnose_workspace |
Problemen met het instellen van werkruimten vaststellen. |
from_config |
Een werkruimteobject retourneren uit een bestaande Azure Machine Learning-werkruimte. Leest de werkruimteconfiguratie uit een bestand. Genereert een uitzondering als het configuratiebestand niet kan worden gevonden. De methode biedt een eenvoudige manier om dezelfde werkruimte opnieuw te gebruiken in meerdere Python-notebooks of -projecten. Gebruikers kunnen de eigenschappen van de werkruimte Azure Resource Manager (ARM) opslaan met behulp van de write_config methode en deze methode gebruiken om dezelfde werkruimte in verschillende Python-notebooks of -projecten te laden zonder de ARM-eigenschappen van de werkruimte opnieuw te typen. |
get |
Een werkruimteobject retourneren voor een bestaande Azure Machine Learning-werkruimte. Genereert een uitzondering als de werkruimte niet bestaat of als de vereiste velden een werkruimte niet uniek identificeren. |
get_connection |
Maak verbinding met de werkruimte. |
get_default_compute_target |
Haal het standaard rekendoel voor de werkruimte op. |
get_default_datastore |
Haal het standaardgegevensarchief voor de werkruimte op. |
get_default_keyvault |
Haal het standaardsleutelkluisobject voor de werkruimte op. |
get_details |
Retourneer de details van de werkruimte. |
get_mlflow_tracking_uri |
Haal de MLflow-tracerings-URI voor de werkruimte op. MLflow (https://mlflow.org/) is een opensource-platform voor het bijhouden van machine learning-experimenten en het beheren van modellen. U kunt MLflow-API's voor logboekregistratie gebruiken met Azure Machine Learning, zodat metrische gegevens, modellen en artefacten worden geregistreerd in uw Azure Machine Learning-werkruimte. |
get_run |
Retourneer de uitvoering met de opgegeven run_id in de werkruimte. |
list |
Alle werkruimten weergeven waartoe de gebruiker toegang heeft binnen het abonnement. De lijst met werkruimten kan worden gefilterd op basis van de resourcegroep. |
list_connections |
Maak een lijst met verbindingen onder deze werkruimte. |
list_keys |
Sleutels voor de huidige werkruimte weergeven. |
set_connection |
Een verbinding toevoegen of bijwerken onder de werkruimte. |
set_default_datastore |
Stel het standaardgegevensarchief voor de werkruimte in. |
setup |
Maak een nieuwe werkruimte of haal een bestaande werkruimte op. |
sync_keys |
Hiermee activeert u de werkruimte om sleutels onmiddellijk te synchroniseren. Als sleutels voor een resource in de werkruimte worden gewijzigd, kan het ongeveer een uur duren voordat ze automatisch worden bijgewerkt. Met deze functie kunnen sleutels op aanvraag worden bijgewerkt. Een voorbeeldscenario is onmiddellijke toegang tot opslag nodig na het opnieuw genereren van opslagsleutels. |
update |
Werk beschrijvende naam, beschrijving, tags, berekening van installatiekopieën en andere instellingen bij die zijn gekoppeld aan een werkruimte. |
update_dependencies |
Werk bestaande de gekoppelde resources voor de werkruimte bij in de volgende gevallen. a) Wanneer een gebruiker per ongeluk een bestaande gekoppelde resource verwijdert en deze wil bijwerken met een nieuwe resource zonder de hele werkruimte opnieuw te hoeven maken. b) Wanneer een gebruiker een bestaande gekoppelde resource heeft en de huidige resource die aan de werkruimte is gekoppeld, wil vervangen. c) Wanneer er nog geen gekoppelde resource is gemaakt en ze een bestaande resource willen gebruiken die ze al hebben (alleen van toepassing op containerregister). |
write_config |
Schrijf de eigenschappen van de werkruimte Azure Resource Manager (ARM) naar een configuratiebestand. Arm-eigenschappen van werkruimten kunnen later worden geladen met behulp van de from_config methode . De De methode biedt een eenvoudige manier om dezelfde werkruimte opnieuw te gebruiken in meerdere Python-notebooks of -projecten. Gebruikers kunnen de ARM-eigenschappen van de werkruimte opslaan met behulp van deze functie en from_config gebruiken om dezelfde werkruimte in verschillende Python-notebooks of -projecten te laden zonder de ARM-eigenschappen van de werkruimte opnieuw te typen. |
add_private_endpoint
Voeg een privé-eindpunt toe aan de werkruimte.
add_private_endpoint(private_endpoint_config, private_endpoint_auto_approval=True, location=None, show_output=True, tags=None)
Parameters
Name | Description |
---|---|
private_endpoint_config
Vereist
|
De configuratie van het privé-eindpunt voor het maken van een privé-eindpunt naar de werkruimte. |
private_endpoint_auto_approval
|
Een booleaanse vlag die aangeeft of het maken van het privé-eindpunt automatisch of handmatig moet worden goedgekeurd vanuit Azure Private Link Center. In het geval van handmatige goedkeuring kunnen gebruikers de in behandeling zijnde aanvraag bekijken in Private Link portal om de aanvraag goed te keuren of af te wijzen. Default value: True
|
location
|
Locatie van het privé-eindpunt. Standaard is de werkruimtelocatie Default value: None
|
show_output
|
Vlag voor het weergeven van de voortgang van het maken van werkruimten Default value: True
|
tags
|
Tags die aan de werkruimte moeten worden gekoppeld. Default value: None
|
Retouren
Type | Description |
---|---|
Het PrivateEndPoint-object dat is gemaakt. |
create
Maak een nieuwe Azure Machine Learning-werkruimte.
Genereert een uitzondering als de werkruimte al bestaat of als niet aan een van de vereisten voor de werkruimte wordt voldaan.
static create(name, auth=None, subscription_id=None, resource_group=None, location=None, create_resource_group=True, sku='basic', tags=None, friendly_name=None, storage_account=None, key_vault=None, app_insights=None, container_registry=None, adb_workspace=None, primary_user_assigned_identity=None, cmk_keyvault=None, resource_cmk_uri=None, hbi_workspace=False, default_cpu_compute_target=None, default_gpu_compute_target=None, private_endpoint_config=None, private_endpoint_auto_approval=True, exist_ok=False, show_output=True, user_assigned_identity_for_cmk_encryption=None, system_datastores_auth_mode='accessKey', v1_legacy_mode=None)
Parameters
Name | Description |
---|---|
name
Vereist
|
De naam van de nieuwe werkruimte. De naam moet tussen 2 en 32 tekens lang zijn. Het eerste teken van de naam moet alfanumeriek (letter of cijfer) zijn, maar de rest van de naam kan alfanumerieke tekens, afbreekstreepjes en onderstrepingstekens bevatten. Witruimte is niet toegestaan. |
auth
|
Het verificatieobject. Zie voor meer informatie https://aka.ms/aml-notebook-auth. Indien Geen, worden de standaard Azure CLI-referenties gebruikt of wordt door de API om referenties gevraagd. Default value: None
|
subscription_id
|
De abonnements-id van het betreffende abonnement voor de nieuwe werkruimte. De parameter is vereist als de gebruiker toegang heeft tot meer dan één abonnement. Default value: None
|
resource_group
|
De Azure-resourcegroep die de werkruimte bevat. De parameter is standaard ingesteld op een mutatie van de naam van de werkruimte. Default value: None
|
location
|
De locatie van de werkruimte. De parameter wordt standaard ingesteld op de locatie van de resourcegroep. De locatie moet een ondersteunde regio zijn voor Azure Machine Learning. Default value: None
|
create_resource_group
|
Geeft aan of de resourcegroep moet worden gemaakt als deze niet bestaat. Default value: True
|
sku
|
De parameter is aanwezig voor achterwaartse compatibiliteit en wordt genegeerd. Default value: basic
|
tags
|
Tags die aan de werkruimte moeten worden gekoppeld. Default value: None
|
friendly_name
|
Een optionele beschrijvende naam voor de werkruimte die kan worden weergegeven in de gebruikersinterface. Default value: None
|
storage_account
|
Een bestaand opslagaccount in de azure-resource-id-indeling. De opslag wordt door de werkruimte gebruikt om uitvoer, code, logboeken, enzovoort op te slaan. Bij Geen wordt er een nieuw opslagaccount gemaakt. Default value: None
|
key_vault
|
Een bestaande sleutelkluis in de azure-resource-id-indeling. Zie voorbeeldcode hieronder voor meer informatie over de indeling van de Azure-resource-id. De sleutelkluis wordt door de werkruimte gebruikt voor het opslaan van referenties die door de gebruikers aan de werkruimte zijn toegevoegd. Bij Geen wordt er een nieuwe sleutelkluis gemaakt. Default value: None
|
app_insights
|
Een bestaande Application Insights in de indeling van de Azure-resource-id. Zie voorbeeldcode hieronder voor meer informatie over de indeling van de Azure-resource-id. Application Insights wordt door de werkruimte gebruikt om webservices-gebeurtenissen te registreren. Als dit geen is, wordt er een nieuwe Application Insights gemaakt. Default value: None
|
container_registry
|
Een bestaand containerregister in de indeling van de Azure-resource-id (zie voorbeeldcode hieronder voor meer informatie over de indeling van de Azure-resource-id). Het containerregister wordt door de werkruimte gebruikt om zowel experimenten als installatiekopieën van webservices op te halen en te pushen. Indien Geen, wordt er alleen een nieuw containerregister gemaakt wanneer dat nodig is en niet samen met het maken van een werkruimte. Default value: None
|
adb_workspace
|
Een bestaande Adb-werkruimte in de Indeling van de Azure-resource-id (zie voorbeeldcode hieronder voor meer informatie over de indeling van de Azure-resource-id). De Adb-werkruimte wordt gebruikt om een koppeling te maken met de werkruimte. Als er Geen is, wordt de koppeling naar de werkruimte niet uitgevoerd. Default value: None
|
primary_user_assigned_identity
|
De resource-id van de door de gebruiker toegewezen identiteit die wordt gebruikt om de werkruimte weer te geven Default value: None
|
cmk_keyvault
|
De sleutelkluis met de door de klant beheerde sleutel in de azure-resource-id-indeling:
Default value: None
|
resource_cmk_uri
|
De sleutel-URI van de door de klant beheerde sleutel om de data-at-rest te versleutelen.
De URI-indeling is: Default value: None
|
hbi_workspace
|
Hiermee geeft u op of de werkruimte gegevens van HBI (High Business Impact) bevat, d.w.w.v. gevoelige bedrijfsgegevens bevat. Deze vlag kan alleen worden ingesteld tijdens het maken van de werkruimte. De waarde ervan kan niet worden gewijzigd nadat de werkruimte is gemaakt. De standaardwaarde is False. Als deze optie is ingesteld op Waar, worden verdere versleutelingsstappen uitgevoerd. Afhankelijk van het SDK-onderdeel resulteert dit in geredigeerde informatie in intern verzamelde telemetrie. Zie Gegevensversleuteling voor meer informatie. Wanneer deze vlag is ingesteld op Waar, is een mogelijke impact de toegenomen problemen met het oplossen van problemen. Dit kan gebeuren omdat bepaalde telemetriegegevens niet naar Microsoft worden verzonden en er minder inzicht is in succespercentages of probleemtypen, en daarom mogelijk niet zo proactief kunnen reageren als deze vlag Waar is. De aanbeveling is het gebruik van de standaardwaarde Onwaar voor deze vlag, tenzij strikt vereist is om Waar te zijn. Default value: False
|
default_cpu_compute_target
|
(AFGESCHAFT) Een configuratie die wordt gebruikt om een CPU-berekening te maken. De parameter is standaard ingesteld op {min_nodes=0, max_nodes=2, vm_size="STANDARD_DS2_V2", vm_priority="dedicated"} Als er geen is, wordt er geen berekening gemaakt. Default value: None
|
default_gpu_compute_target
|
(AFGESCHAFT) Een configuratie die wordt gebruikt om een GPU-berekening te maken. De parameter is standaard ingesteld op {min_nodes=0, max_nodes=2, vm_size="STANDARD_NC6", vm_priority="dedicated"} Als er geen is, wordt er geen berekening gemaakt. Default value: None
|
private_endpoint_config
|
De configuratie van het privé-eindpunt voor het maken van een privé-eindpunt voor Azure ML-werkruimte. Default value: None
|
private_endpoint_auto_approval
|
Een booleaanse vlag die aangeeft of het maken van het privé-eindpunt automatisch of handmatig moet worden goedgekeurd vanuit Azure Private Link Center. In het geval van handmatige goedkeuring kunnen gebruikers de in behandeling zijnde aanvraag bekijken in Private Link portal om de aanvraag goed te keuren of af te wijzen. Default value: True
|
exist_ok
|
Hiermee wordt aangegeven of deze methode slaagt als de werkruimte al bestaat. Als onwaar is, mislukt deze methode als de werkruimte bestaat. Indien Waar retourneert deze methode de bestaande werkruimte als deze bestaat. Default value: False
|
show_output
|
Geeft aan of met deze methode incrementele voortgang wordt afgedrukt. Default value: True
|
user_assigned_identity_for_cmk_encryption
|
De resource-id van de door de gebruiker toegewezen identiteit die moet worden gebruikt voor toegang tot de door de klant beheerde sleutel Default value: None
|
system_datastores_auth_mode
|
Bepaalt of referenties moeten worden gebruikt voor de systeemgegevensarchieven van de werkruimte 'workspaceblobstore' en 'workspacefilestore'. De standaardwaarde is 'accessKey'. In dat geval maakt de werkruimte de systeemgegevensarchieven met referenties. Als dit is ingesteld op 'identiteit', maakt de werkruimte de systeemgegevensarchieven zonder referenties. Default value: accessKey
|
v1_legacy_mode
|
Voorkomen dat v2 API-service wordt gebruikt in openbare Azure Resource Manager Default value: None
|
Retouren
Type | Description |
---|---|
Het werkruimteobject. |
Uitzonderingen
Type | Description |
---|---|
Gemeld voor problemen met het maken van de werkruimte. |
Opmerkingen
Voor dit eerste voorbeeld is slechts minimale specificatie vereist. Alle afhankelijke resources en de resourcegroep worden automatisch gemaakt.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2')
In het volgende voorbeeld ziet u hoe u bestaande Azure-resources opnieuw gebruikt met behulp van de indeling van de Azure-resource-id. De specifieke Azure-resource-id's kunnen worden opgehaald via de Azure-portal of SDK. Hierbij wordt ervan uitgegaan dat de resourcegroep, het opslagaccount, de sleutelkluis, App Insights en het containerregister al bestaan.
import os
from azureml.core import Workspace
from azureml.core.authentication import ServicePrincipalAuthentication
service_principal_password = os.environ.get("AZUREML_PASSWORD")
service_principal_auth = ServicePrincipalAuthentication(
tenant_id="<tenant-id>",
username="<application-id>",
password=service_principal_password)
ws = Workspace.create(name='myworkspace',
auth=service_principal_auth,
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=False,
location='eastus2',
friendly_name='My workspace',
storage_account='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.storage/storageaccounts/mystorageaccount',
key_vault='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.keyvault/vaults/mykeyvault',
app_insights='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.insights/components/myappinsights',
container_registry='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.containerregistry/registries/mycontainerregistry',
exist_ok=False)
delete
Verwijder de gekoppelde resources van de Azure Machine Learning-werkruimte.
delete(delete_dependent_resources=False, no_wait=False)
Parameters
Name | Description |
---|---|
delete_dependent_resources
|
Of u resources wilt verwijderen die zijn gekoppeld aan de werkruimte, zoals containerregister, opslagaccount, sleutelkluis en Application Insights. De standaardwaarde is False. Stel in op Waar om deze resources te verwijderen. Default value: False
|
no_wait
|
Of moet worden gewacht totdat het verwijderen van de werkruimte is voltooid. Default value: False
|
Retouren
Type | Description |
---|---|
Geen indien geslaagd; anders wordt er een fout gegenereerd. |
delete_connection
Een verbinding van de werkruimte verwijderen.
delete_connection(name)
Parameters
Name | Description |
---|---|
name
Vereist
|
De unieke naam van de verbinding onder de werkruimte |
delete_private_endpoint_connection
Verwijder de privé-eindpuntverbinding met de werkruimte.
delete_private_endpoint_connection(private_endpoint_connection_name)
Parameters
Name | Description |
---|---|
private_endpoint_connection_name
Vereist
|
De unieke naam van de privé-eindpuntverbinding onder de werkruimte |
diagnose_workspace
Problemen met het instellen van werkruimten vaststellen.
diagnose_workspace(diagnose_parameters)
Parameters
Name | Description |
---|---|
diagnose_parameters
Vereist
|
<xref:_restclient.models.DiagnoseWorkspaceParameters>
De parameter voor het diagnosticeren van de status van de werkruimte |
Retouren
Type | Description |
---|---|
<xref:msrestazure.azure_operation.AzureOperationPoller>[<xref:_restclient.models.DiagnoseResponseResult>]
|
Een exemplaar van AzureOperationPoller dat DiagnoseResponseResult retourneert |
from_config
Een werkruimteobject retourneren uit een bestaande Azure Machine Learning-werkruimte.
Leest de werkruimteconfiguratie uit een bestand. Genereert een uitzondering als het configuratiebestand niet kan worden gevonden.
De methode biedt een eenvoudige manier om dezelfde werkruimte opnieuw te gebruiken in meerdere Python-notebooks of -projecten. Gebruikers kunnen de eigenschappen van de werkruimte Azure Resource Manager (ARM) opslaan met behulp van de write_config methode en deze methode gebruiken om dezelfde werkruimte in verschillende Python-notebooks of -projecten te laden zonder de ARM-eigenschappen van de werkruimte opnieuw te typen.
static from_config(path=None, auth=None, _logger=None, _file_name=None)
Parameters
Name | Description |
---|---|
path
|
Het pad naar het configuratiebestand of de beginmap om te zoeken. De parameter wordt standaard ingesteld op het starten van de zoekopdracht in de huidige map. Default value: None
|
auth
|
Het verificatieobject. Zie voor meer informatie https://aka.ms/aml-notebook-auth. Indien Geen, worden de standaard Azure CLI-referenties gebruikt of wordt door de API om referenties gevraagd. Default value: None
|
_logger
|
Hiermee staat u het overschrijven van de standaardlogboekregistratie toe. Default value: None
|
_file_name
|
Hiermee kunt u de naam van het configuratiebestand overschrijven om te zoeken wanneer pad een mappad is. Default value: None
|
Retouren
Type | Description |
---|---|
Het werkruimteobject voor een bestaande Azure ML-werkruimte. |
get
Een werkruimteobject retourneren voor een bestaande Azure Machine Learning-werkruimte.
Genereert een uitzondering als de werkruimte niet bestaat of als de vereiste velden een werkruimte niet uniek identificeren.
static get(name, auth=None, subscription_id=None, resource_group=None, location=None, cloud='AzureCloud', id=None)
Parameters
Name | Description |
---|---|
name
Vereist
|
De naam van de werkruimte die u wilt ophalen. |
auth
|
Het verificatieobject. Raadpleeg https://aka.ms/aml-notebook-authvoor meer informatie. Indien Geen, worden de standaard Azure CLI-referenties gebruikt of wordt door de API om referenties gevraagd. Default value: None
|
subscription_id
|
De abonnements-id die moet worden gebruikt. De parameter is vereist als de gebruiker toegang heeft tot meer dan één abonnement. Default value: None
|
resource_group
|
De resourcegroep die moet worden gebruikt. Als dit geen is, zoekt de methode alle resourcegroepen in het abonnement. Default value: None
|
location
|
De locatie van de werkruimte. Default value: None
|
cloud
|
De naam van de doelcloud. Dit kan 'AzureCloud', 'AzureChinaCloud' of 'AzureUSGovernment' zijn. Als er geen cloud is opgegeven, wordt 'AzureCloud' gebruikt. Default value: AzureCloud
|
id
|
De id van de werkruimte. Default value: None
|
Retouren
Type | Description |
---|---|
Het werkruimteobject. |
get_connection
Maak verbinding met de werkruimte.
get_connection(name)
Parameters
Name | Description |
---|---|
name
Vereist
|
De unieke naam van de verbinding onder de werkruimte |
get_default_compute_target
Haal het standaard rekendoel voor de werkruimte op.
get_default_compute_target(type)
Parameters
Name | Description |
---|---|
type
Vereist
|
Het type berekening. Mogelijke waarden zijn 'CPU' of 'GPU'. |
Retouren
Type | Description |
---|---|
Het standaard rekendoel voor een bepaald rekentype. |
get_default_datastore
Haal het standaardgegevensarchief voor de werkruimte op.
get_default_datastore()
Retouren
Type | Description |
---|---|
Het standaardgegevensarchief. |
get_default_keyvault
Haal het standaardsleutelkluisobject voor de werkruimte op.
get_default_keyvault()
Retouren
Type | Description |
---|---|
Het KeyVault-object dat is gekoppeld aan de werkruimte. |
get_details
Retourneer de details van de werkruimte.
get_details()
Retouren
Type | Description |
---|---|
Werkruimtedetails in woordenlijstindeling. |
Opmerkingen
De geretourneerde woordenlijst bevat de volgende sleutel-waardeparen.
id: URI die verwijst naar deze werkruimteresource, die abonnements-id, resourcegroep en werkruimtenaam bevat.
name: de naam van deze werkruimte.
location: De werkruimteregio.
type: Een URI met de indeling {providerName}/workspaces.
tags: Momenteel niet gebruikt.
workspaceid: de id van deze werkruimte.
beschrijving: momenteel niet gebruikt.
friendlyName: een beschrijvende naam voor de werkruimte die wordt weergegeven in de gebruikersinterface.
creationTime: tijdstip waarop deze werkruimte is gemaakt, in ISO8601-indeling.
containerRegistry: het containerregister van de werkruimte dat wordt gebruikt voor het ophalen en pushen van zowel experimenten als installatiekopieën van webservices.
keyVault: de werkruimtesleutelkluis die wordt gebruikt voor het opslaan van referenties die door de gebruikers aan de werkruimte zijn toegevoegd.
applicationInsights: Application Insights wordt door de werkruimte gebruikt om webservices-gebeurtenissen te registreren.
identityPrincipalId:
identityTenantId
identityType
storageAccount: de opslag wordt door de werkruimte gebruikt om uitvoer, code, logboeken, enzovoort op te slaan.
sku: de werkruimte-SKU (ook wel editie genoemd). De parameter is aanwezig voor achterwaartse compatibiliteit en wordt genegeerd.
resourceCmkUri: de sleutel-URI van de door de klant beheerde sleutel om de data-at-rest te versleutelen. https://docs.microsoft.com/en-us/azure-stack/user/azure-stack-key-vault-manage-portal?view=azs-1910 Raadpleeg voor stappen voor het maken van een sleutel en het ophalen van de bijbehorende URI.
hbiWorkspace: geeft aan of de klantgegevens een hoge bedrijfsimpact hebben.
imageBuildCompute: het rekendoel voor het bouwen van installatiekopieën.
systemDatastoresAuthMode: bepaalt of referenties moeten worden gebruikt voor de systeemgegevensarchieven van de werkruimte 'workspaceblobstore' en 'workspacefilestore'. De standaardwaarde is 'accessKey'. In dat geval maakt de werkruimte de systeemgegevensarchieven met referenties. Als dit is ingesteld op 'identiteit', maakt de werkruimte de systeemgegevensarchieven zonder referenties.
Zie voor meer informatie over deze sleutel-waardeparen create.
get_mlflow_tracking_uri
Haal de MLflow-tracerings-URI voor de werkruimte op.
MLflow (https://mlflow.org/) is een opensource-platform voor het bijhouden van machine learning-experimenten en het beheren van modellen. U kunt MLflow-API's voor logboekregistratie gebruiken met Azure Machine Learning, zodat metrische gegevens, modellen en artefacten worden geregistreerd in uw Azure Machine Learning-werkruimte.
get_mlflow_tracking_uri(_with_auth=False)
Parameters
Name | Description |
---|---|
_with_auth
|
(AFGESCHAFT) Voeg verificatiegegevens toe aan de tracerings-URI. Default value: False
|
Retouren
Type | Description |
---|---|
De met MLflow compatibele tracerings-URI. |
Opmerkingen
Gebruik het volgende voorbeeld om MLflow-tracering te configureren voor het verzenden van gegevens naar de Azure ML-werkruimte:
import mlflow
from azureml.core import Workspace
workspace = Workspace.from_config()
mlflow.set_tracking_uri(workspace.get_mlflow_tracking_uri())
get_run
Retourneer de uitvoering met de opgegeven run_id in de werkruimte.
get_run(run_id)
Parameters
Name | Description |
---|---|
run_id
Vereist
|
De uitvoerings-id. |
Retouren
Type | Description |
---|---|
De verzonden uitvoering. |
list
Alle werkruimten weergeven waartoe de gebruiker toegang heeft binnen het abonnement.
De lijst met werkruimten kan worden gefilterd op basis van de resourcegroep.
static list(subscription_id, auth=None, resource_group=None)
Parameters
Name | Description |
---|---|
subscription_id
Vereist
|
De abonnements-id waarvoor werkruimten moeten worden weergegeven. |
auth
|
Het verificatieobject. Raadpleeg https://aka.ms/aml-notebook-authvoor meer informatie. Indien Geen, worden de standaard Azure CLI-referenties gebruikt of wordt door de API om referenties gevraagd. Default value: None
|
resource_group
|
Een resourcegroep om de geretourneerde werkruimten te filteren. Bij Geen worden met de methode alle werkruimten binnen het opgegeven abonnement weergegeven. Default value: None
|
Retouren
Type | Description |
---|---|
Een woordenlijst waarbij de sleutel de naam van de werkruimte is en de waarde een lijst met werkruimteobjecten is. |
list_connections
Maak een lijst met verbindingen onder deze werkruimte.
list_connections(category=None, target=None)
Parameters
Name | Description |
---|---|
type
Vereist
|
Het type verbinding waarop wordt gefilterd |
target
|
het doel van deze verbinding waarop wordt gefilterd Default value: None
|
category
|
Default value: None
|
list_keys
set_connection
Een verbinding toevoegen of bijwerken onder de werkruimte.
set_connection(name, category, target, authType, value)
Parameters
Name | Description |
---|---|
name
Vereist
|
De unieke naam van de verbinding onder de werkruimte |
category
Vereist
|
De categorie van deze verbinding |
target
Vereist
|
het doel waar deze verbinding verbinding mee maakt |
authType
Vereist
|
het autorisatietype van deze verbinding |
value
Vereist
|
de serialisatiereeks van de json-indeling van de verbindingsgegevens |
set_default_datastore
Stel het standaardgegevensarchief voor de werkruimte in.
set_default_datastore(name)
Parameters
Name | Description |
---|---|
name
Vereist
|
De naam van de Datastore die als standaard moet worden ingesteld. |
setup
Maak een nieuwe werkruimte of haal een bestaande werkruimte op.
static setup()
Retouren
Type | Description |
---|---|
Een werkruimteobject. |
sync_keys
Hiermee activeert u de werkruimte om sleutels onmiddellijk te synchroniseren.
Als sleutels voor een resource in de werkruimte worden gewijzigd, kan het ongeveer een uur duren voordat ze automatisch worden bijgewerkt. Met deze functie kunnen sleutels op aanvraag worden bijgewerkt. Een voorbeeldscenario is onmiddellijke toegang tot opslag nodig na het opnieuw genereren van opslagsleutels.
sync_keys(no_wait=False)
Parameters
Name | Description |
---|---|
no_wait
|
Of moet worden gewacht totdat de synchronisatiesleutels voor de werkruimte zijn voltooid. Default value: False
|
Retouren
Type | Description |
---|---|
Geen indien geslaagd; anders wordt er een fout gegenereerd. |
update
Werk beschrijvende naam, beschrijving, tags, berekening van installatiekopieën en andere instellingen bij die zijn gekoppeld aan een werkruimte.
update(friendly_name=None, description=None, tags=None, image_build_compute=None, service_managed_resources_settings=None, primary_user_assigned_identity=None, allow_public_access_when_behind_vnet=None, v1_legacy_mode=None)
Parameters
Name | Description |
---|---|
friendly_name
|
Een beschrijvende naam voor de werkruimte die kan worden weergegeven in de gebruikersinterface. Default value: None
|
description
|
Een beschrijving van de werkruimte. Default value: None
|
tags
|
Tags die aan de werkruimte moeten worden gekoppeld. Default value: None
|
image_build_compute
|
De berekeningsnaam voor de build van de installatiekopieën. Default value: None
|
service_managed_resources_settings
|
<xref:azureml._base_sdk_common.workspace.models.ServiceManagedResourcesSettings>
De instellingen voor door de service beheerde resources. Default value: None
|
primary_user_assigned_identity
|
De resource-id van de door de gebruiker toegewezen identiteit die de identiteit van de werkruimte vertegenwoordigt. Default value: None
|
allow_public_access_when_behind_vnet
|
Openbare toegang tot de werkruimte van private link toestaan. Default value: None
|
v1_legacy_mode
|
Voorkomen dat v2 API-service wordt gebruikt in openbare Azure Resource Manager Default value: None
|
Retouren
Type | Description |
---|---|
Een woordenlijst met bijgewerkte informatie. |
update_dependencies
Werk bestaande de gekoppelde resources voor de werkruimte bij in de volgende gevallen.
a) Wanneer een gebruiker per ongeluk een bestaande gekoppelde resource verwijdert en deze wil bijwerken met een nieuwe resource zonder de hele werkruimte opnieuw te hoeven maken. b) Wanneer een gebruiker een bestaande gekoppelde resource heeft en de huidige resource die aan de werkruimte is gekoppeld, wil vervangen. c) Wanneer er nog geen gekoppelde resource is gemaakt en ze een bestaande resource willen gebruiken die ze al hebben (alleen van toepassing op containerregister).
update_dependencies(container_registry=None, force=False)
Parameters
Name | Description |
---|---|
container_registry
|
ARM-id voor het containerregister. Default value: None
|
force
|
Als het bijwerken van afhankelijke resources wordt geforceerd zonder bevestiging te worden gevraagd. Default value: False
|
Retouren
Type | Description |
---|---|
write_config
Schrijf de eigenschappen van de werkruimte Azure Resource Manager (ARM) naar een configuratiebestand.
Arm-eigenschappen van werkruimten kunnen later worden geladen met behulp van de from_config methode . De path
standaardinstelling is '.azureml/' in de huidige werkmap en file_name
standaard ingesteld op 'config.json'.
De methode biedt een eenvoudige manier om dezelfde werkruimte opnieuw te gebruiken in meerdere Python-notebooks of -projecten. Gebruikers kunnen de ARM-eigenschappen van de werkruimte opslaan met behulp van deze functie en from_config gebruiken om dezelfde werkruimte in verschillende Python-notebooks of -projecten te laden zonder de ARM-eigenschappen van de werkruimte opnieuw te typen.
write_config(path=None, file_name=None)
Parameters
Name | Description |
---|---|
path
|
De gebruiker heeft de locatie opgegeven om het bestand config.json te schrijven. De parameter wordt standaard ingesteld op '.azureml/' in de huidige werkmap. Default value: None
|
file_name
|
Naam die moet worden gebruikt voor het configuratiebestand. De parameter is standaard ingesteld op config.json. Default value: None
|
Kenmerken
compute_targets
Alle rekendoelen in de werkruimte weergeven.
Retouren
Type | Description |
---|---|
Een woordenlijst met sleutel als naam van rekendoel en waarde als ComputeTarget object. |
datasets
Alle gegevenssets in de werkruimte weergeven.
Retouren
Type | Description |
---|---|
Een woordenlijst met sleutel als gegevenssetnaam en waarde als Dataset object. |
datastores
Alle gegevensarchieven in de werkruimte weergeven. Met deze bewerking worden geen referenties van de gegevensarchieven geretourneerd.
Retouren
Type | Description |
---|---|
Een woordenlijst met sleutel als gegevensarchiefnaam en waarde als Datastore object. |
discovery_url
Retourneer de detectie-URL van deze werkruimte.
Retouren
Type | Description |
---|---|
De detectie-URL van deze werkruimte. |
environments
Alle omgevingen in de werkruimte weergeven.
Retouren
Type | Description |
---|---|
Een woordenlijst met sleutel als omgevingsnaam en waarde als Environment object. |
experiments
Alle experimenten in de werkruimte weergeven.
Retouren
Type | Description |
---|---|
Een woordenlijst met sleutel als experimentnaam en waarde als Experiment object. |
images
Retourneer de lijst met afbeeldingen in de werkruimte.
Geeft een aan WebserviceException als er een probleem is met de interactie met de service voor modelbeheer.
Retouren
Type | Description |
---|---|
Een woordenlijst met sleutel als afbeeldingsnaam en waarde als Image object. |
Uitzonderingen
Type | Description |
---|---|
Er is een probleem opgetreden bij de interactie met de service voor modelbeheer. |
linked_services
Alle gekoppelde services in de werkruimte weergeven.
Retouren
Type | Description |
---|---|
Een woordenlijst waarbij sleutel een gekoppelde servicenaam en -waarde is, is een LinkedService object. |
location
Retourneer de locatie van deze werkruimte.
Retouren
Type | Description |
---|---|
De locatie van deze werkruimte. |
models
Retourneert een lijst met modellen in de werkruimte.
Geeft een aan WebserviceException als er een probleem is met de interactie met de service voor modelbeheer.
Retouren
Type | Description |
---|---|
Een woordenlijst van het model met sleutel als modelnaam en waarde als Model object. |
Uitzonderingen
Type | Description |
---|---|
Er is een probleem opgetreden bij de interactie met de service voor modelbeheer. |
name
private_endpoints
Alle privé-eindpunten van de werkruimte weergeven.
Retouren
Type | Description |
---|---|
Een dictaat van PrivateEndPoint-objecten die zijn gekoppeld aan de werkruimte. De sleutel is de naam van het privé-eindpunt. |
resource_group
Retourneer de naam van de resourcegroep voor deze werkruimte.
Retouren
Type | Description |
---|---|
De naam van de resourcegroep. |
service_context
Retourneer de servicecontext voor deze werkruimte.
Retouren
Type | Description |
---|---|
<xref:azureml._restclient.service_context.ServiceContext>
|
Retourneert het ServiceContext-object. |
sku
subscription_id
tags
webservices
Een lijst met webservices in de werkruimte retourneren.
Hiermee wordt een WebserviceException weergegeven als er een probleem is met het retourneren van de lijst.
Retouren
Type | Description |
---|---|
Een lijst met webservices in de werkruimte. |
Uitzonderingen
Type | Description |
---|---|
Er is een probleem opgetreden bij het retourneren van de lijst. |
DEFAULT_CPU_CLUSTER_CONFIGURATION
DEFAULT_CPU_CLUSTER_CONFIGURATION = <azureml.core.compute.amlcompute.AmlComputeProvisioningConfiguration object>
DEFAULT_CPU_CLUSTER_NAME
DEFAULT_CPU_CLUSTER_NAME = 'cpu-cluster'
DEFAULT_GPU_CLUSTER_CONFIGURATION
DEFAULT_GPU_CLUSTER_CONFIGURATION = <azureml.core.compute.amlcompute.AmlComputeProvisioningConfiguration object>
DEFAULT_GPU_CLUSTER_NAME
DEFAULT_GPU_CLUSTER_NAME = 'gpu-cluster'